simplexml可以用來通過html來竄？

我想從表中獲取數據而不使用正則表達式。我喜歡使用simplexml來解析RSS提要，並想知道它是否可以用來從另一個頁面獲取表格。simplexml可以用來通過html來竄？

例如，用curl或簡單的file_get_contents（）來抓取頁面;那麼使用simplexml來抓取內容？

2011-07-09 chris

可以使用loadHTML功能從DOM模塊，然後導入DOM轉換成SimpleXML通過simplexml_import_dom：

$html = file_get_contents('http://example.com/'); 
$doc = new DOMDocument(); 
$doc->loadHTML($html); 
$sxml = simplexml_import_dom($doc);

來源

2011-07-09 15:59:56 phihag

大+1。添加了一個'simplexml_import_dom'的鏈接和一些進一步的解釋。 –

非常好的技巧。不幸的是，它看起來像我正在工作的服務器上沒有安裝DOM模塊。它是典型的標準嗎？ – chris

默認情況下，@chris DOM及其依賴項libxml都被編譯。它們可以在編譯時明確排除或在運行時禁用，但這非常不尋常。 – phihag

如果這是XHTML - 是的，這絕對有可能。真正的XHTML最終只是XML，因此可以使用XML解析器進行分析。

但是，SimpleXML只接受嚴格的XML。如果不能得到有效的XHTML，它看起來像把它通過不太嚴格DOMDocument庫首先會做的伎倆（source here）：

<?php 
    $html = file_get_contents('http://...'); 
    $doc = new DOMDocument(); 
    $doc->strictErrorChecking = FALSE; 
    $doc->loadHTML($html); 
    $xml = simplexml_import_dom($doc); 
?>

來源

2011-07-09 15:58:36

它可能依賴於頁面。如果頁面在XHTML中（現在是大多數Web頁面），那麼任何XML解析器都應該這樣做，否則查找SGML解析器。這裏有一個類似的問題，你可能有興趣Error Tolerant HTML/XML/SGML parsing in PHP

來源

2011-07-09 16:00:18

MOST網頁？該數據的來源？另外，請仔細研究SO（或一般互聯網），以瞭解爲什麼人們通常無法正確使用XHTML。 – Mchl

我的版本 - 耐錯誤和問題與編碼

libxml_use_internal_errors(true); 
$doc = new DOMDocument(); 
$doc->strictErrorChecking = FALSE; 
$doc->loadHTML(mb_convert_encoding($this->html_content, 'HTML-ENTITIES', 'UTF-8')); 
libxml_use_internal_errors(false); 
$xml = simplexml_import_dom($doc);

來源

2015-08-07 12:03:11

simplexml可以用來通過html來竄？

回答

相關問題